前面定义了矩阵的列空间和零空间,那么如何求得这些子空间呢?
1. 计算零空间 Nullspace
A的零空间即满足Ax=0的所有x构成的向量空间
对于矩阵A进行“行操作”并不会改变Ax=b的解,因此也不会改变零空间 unchanged
第一步消元:
echelon 阶梯型 pivot columns and free columns
rank of A = # of pivots r=2 = # of pivot variables
n-r = 4-2 =# of free variables
2. 特解 Special solutions
当我们将系数矩阵变换为上三角阵U时,就可以用回代求得方程Ux=0的解--x1, x3可以通过回代得到 UX=0
对自由变量(free variable)x2和x4我们可以进行赋值
例如令x2=1而x4=0
可得一解
x=
取自由变量中x2=0而x4=1
可得到另一解
x=
矩阵A的零空间就是这些“特解” special solution 向量的线性组合所构成的向量空间
x=c+d which is a line
n-r=特解的数目=零空间的维数
3. 行最简阶梯矩阵 Reduced row echelon form (rref)
rref(A)
notice that = I is in pivot rows/cols
在矩阵中主元行和主元列的交汇处存在一个单位阵。通过“列交换”,可以将矩阵R中的主元列集中在左侧,从而在左上角形成这个单位阵,而将自由列集中在矩阵的右侧。如果矩阵A中的某些行是线性相关的,则在矩阵R的下半部分就会出现一些完全为0的行向量
rref form
nullspace matrix ( columns = special solutions)
RN=0
Xpivot=-FXfree文章来源:https://www.toymoban.com/news/detail-734216.html
eg.
文章来源地址https://www.toymoban.com/news/detail-734216.html
到了这里,关于07 MIT线性代数-求解Ax=0:主变量,特解 pivot variables, special solutions的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!